Klasifikasi Kematangan Buah Nanas (Ananas comosus) Berdasarkan Data Hidung Elektronik Multisensor Menggunakan Algoritma Random Forest

Indonesia merupakan salah satu produsen nanas terbesar di dunia, sehingga penentuan tingkat kematangan buah menjadi hal penting untuk menjaga mutu dan mendukung distribusi pascapanen. Penilaian kematangan secara tradisional yang mengandalkan pengamatan visual dan pengalaman petani sering kali bersifat subjektif dan kurang konsisten. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem hidung elektronik multisensor berbasis sensor gas MQ untuk mendeteksi senyawa volatil yang dilepaskan buah nanas selama proses pematangan, serta mengevaluasi kinerja algoritma Random Forest dalam klasifikasi tingkat kematangan. Sistem terdiri atas chamber sampel dan chamber sensor yang dilengkapi lima sensor gas (MQ-2, MQ-3, MQ-4, MQ-5, dan MQ-135), modul ADS1115, serta mikrokontroler ESP32 untuk akuisisi data. Data hasil pengukuran diekstraksi menjadi beberapa parameter fitur sinyal, kemudian dibagi menjadi 70% data latih dan 30% data uji dari total 40 data sampel. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan nanas ke dalam empat kategori kematangan (mentah, setengah matang, matang, dan terlalu matang) dengan akurasi sebesar 92%, di mana sensor MQ-135 memberikan kontribusi terbesar dalam proses klasifikasi. Temuan ini menunjukkan bahwa kombinasi hidung elektronik multisensor dan Random Forest dapat menjadi metode yang efektif, objektif, dan non-destruktif dalam menentukan tingkat kematangan buah nanas.